买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌大学申请的专利基于深度学习的SOFC系统工况辨识方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117312939B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311140002.6，技术领域涉及：G06F18/241；该发明授权基于深度学习的SOFC系统工况辨识方法是由吴肖龙;蔡仕云;李豫;龙正阳;严伟健;钟运盛设计研发完成，并于2023-09-05向国家知识产权局提交的专利申请。

本基于深度学习的SOFC系统工况辨识方法在说明书摘要公布了：本发明公开了一种基于深度学习的SOFC系统工况辨识方法，包括：步骤1，采集SOFC系统不同工况状态数据；步骤2，数据预处理；步骤3，构建深度神经网络；步骤4，训练网络；步骤5，利用遗传算法优化网络参数；步骤6，得到最终的网络模型；步骤7，SOFC系统工况辨识。本发明通过挖掘不同历史工况状态数据随时间变化的规律性，并对历史数据进行学习，得到以工况类型为输出变量的辨识结果，达到对SOFC系统工况类型进行辨识的效果，克服了传统学习方式辨识率不足的缺点。利用LSTM长短期记忆网络对工况数据特征进行学习，并利用遗传算法对参数进行优化，从而提升了对SOFC系统工况辨识模型的辨识准确性。

本发明授权基于深度学习的SOFC系统工况辨识方法在权利要求书中公布了：1.基于深度学习的SOFC系统工况辨识方法，其特征在于，包括以下步骤： 步骤1、针对SOFC系统工况辨识任务的需要，以秒为单位分别采集SOFC系统不同工况下一段时间内的工况数据Xi，其中i表示工况状态数据类型，包括：电堆电压、电流、净输出电流变化率、最低单片电压和电堆进出口温度；其输出类型为工况类型Yj，其中j表示不同工况类型，包括：电堆短路、电堆漏气、电堆过载、催化剂中毒和积碳； 步骤2、对步骤1采集SOFC系统工况数据生成以秒为单位的时间序列数据Z，其维度为i+1； 步骤3、将经过步骤2处理得到的SOFC系统工况数据Z进行归一化处理使其映射到[0,1]；其公式为：归一化后的数据为Z1；其中Zmin和Zmax分别表示此类工况状态数据的最小值和最大值； 步骤4、将步骤3得到的归一化SOFC系统工况数据按照7：3的比例划分成训练集Ztrain和测试集Ztest； 步骤5、基于SOFC系统的工况时间序列数据构建深度网络模型，所述深度网络模型包括输入层、LSTM层、全连接层和分类层；根据采集的工况数据设置批的大小a,最大迭代次数b,初始学习率c,学习率下降因子d； 步骤6、将归一化后的SOFC系统工况状态数据训练集Ztrain作为输入数据输入到输入层并加权求和进入到LSTM层； 步骤7、SOFC系统工况状态数据训练集Ztrain输入LSTM层后再依次经过dropper层和全连接层处理并使用结果函数进行输出得到LSTM数据，所述结果函数采用维tanh函数输出，所述维tanh函数如下所述： 所述全连接层将得到LSTM数据以及从SOFC系统工况状态数据中提取的此时刻的数据进行融合处理；处理后的数据再经过分类层分类处理；其输出为工况类型Yj＝{1,2，……，j}； 步骤8、将SOFC系统工况状态数据测试集Ztest输入到训练好的网络中，并统计结果； 步骤9、构建SOFC系统工况辨识准确度指标：其中Nright为预测结果Ypre与实际结果Yj相同的个数，NSUM为样本总个数； 步骤10、利用遗传算法对SOFC系统工况辨识网络LSTM参数进行优化； 步骤11、采集此时刻往前的一段时刻内的SOFC系统工况状态数据，输入到网络中辨识此时SOFC系统工况。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。